统计学习介绍

统计学习介绍

1. 统计学习：是计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。（统计学习是一门数据驱动的学科，统计学习方法构建数学模型并应用模型对数据进行分析和预测）。
2. 统计学习从数据出发，抽取数据的特征，抽象出数学模型，发现数据中的知识，然后对数据进行分析与预测。(数据是多样的，包括数字、文字、图像、视频、音频等，主要分连续的和离散的)。
3. 统计学习的前提是假设同类数据具有一定的统计规律性（这里的同类数据是指具有某种共同性质的数据），用随机变量描述数据中的特征，用概率分布描述数据的统计规律。
4. 统计学习方法包括模型的假设空间（假设要学习的模型属于某个函数的集合）、模型选择的准则和模型学习的算法。< 统计学习从训练数据出发，假设数据是独立同分布的，并且假设要学习的模型在假设空间中，应用某个评价准则，从假设空间中选取最优的模型，对已知的数据和未知的数据在给定的评价准则下有最优的预测，最优模型的选取由算法实现 >。
5. 统计学习方法的三要素：模型、策略、算法。
6. 统计学习方法步骤如下：
   1. 得到训练数据的集合，
   2. 确定包含所有模型的假设空间(所有要学习模型的集合)，
   3. 确定模型选择的准则（学习策略），
   4. 实现求最优解的算法（学习算法），
   5. 利用最优模型对数据进行分析和预测。
7. 统计学习主要应用于：处理海量数据（对数据进行预测和分析，找出数据的关联语义），计算机智能化。

来源：CSDN

作者：qq_41291769

链接：https://blog.csdn.net/qq_41291769/article/details/104041611